目前多智能体强化学习算法有哪些

目前常见的多智能体强化学习算法包括以下几种：

1. Q-learning：经典的强化学习算法，适用于单智能体环境，可以通过拓展来适用于多智能体环境。

2. 基于博弈理论的算法：如纳什均衡策略、Minimax-Q、Hysteretic Q-learning等。

3. 基于策略梯度的算法：如Actor-Critic、Multi-Agent Actor-Critic等。

4. 基于价值分解的算法：如Value Decomposition Network（VDN）、QMIX等。

5. 基于分布式强化学习的算法：如Distributed Q-Learning、Asynchronous Advantage Actor-Critic（A3C）等。

6. 基于元学习的算法：如Meta-Q-learning、Meta-Actor-Critic等。